XiaoMi-AI文件搜索系统
World File Search System代表性
16岁年轻人从代表性不足的背景中发展到STEM
在我们的第一个方面，我们回顾了有关英格兰STEM教育发展的现有文献以及16年以后的STEM参与驱动力。我们确定了参与的三个关键驱动力 - 途径，先前的资格和偏好 - 构成“三个P”模型。发现这三个驱动因素会通过学生特征在进展率上产生差异。我们在整个报告中关注性别，种族和社会经济劣势的差异。事先达成通常是最大的驱动因素，特别是对于低社会经济地位学生而言。性别差异也许是最好的理解，特别是由组成主题，生命和“硬”科学之间的进展方式有所不同。我们还强调了学校的专业教师短缺，这是先前成就结果和偏好的潜在驱动力。
为异质材料生成 3D 代表性体积元素：综述
本研究回顾了异质材料最先进的代表性体积元 (RVE) 生成技术。为此，我们提出了一种系统分类，考虑了各种工程感兴趣的异质材料。在这里，我们将异质固体分为多孔和非多孔介质，其中 0 < 空隙体积分数 < 1 和空隙体积分数 = 0。根据各种形态特征实现进一步细分。相应的生成方法分为三类：（i）通过微观结构的实验表征进行重建的实验方法，（ii）基于物理的方法，旨在模拟负责微观结构形成和演变的物理过程，以及（iii）仅专注于模仿形态的几何方法（忽略微观结构形成过程的物理基础）。这些包括各种数学工具，例如数字图像相关、镶嵌、随机场生成和微分方程求解器。为了完整起见，总结了在 RVE 生成的各个阶段使用的相关最新软件工具（商业或开源）。根据所考虑的方法的效率和对微结构的几何和拓扑特性的预测性能对其进行了审查。� 2018 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可证开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
糖尿病药物开发研究中的性别代表性。系统评价
背景：在过去的20年中，糖尿病（DM）的患病率急剧增加，相关医学和药物开发研究的数量也大大增加。尽管知道男人和女性对DM药物的反应有所不同，但在医学开发过程中，生物学差异仍未优先考虑。目的：本研究检查了DM医学发展研究中的性别代表。方法：我们进行了系统的审查，并在2022年2月进行了搜索（Excerpta Medica数据库），MEDLINE（在线医学文献分析和在线检索系统），并使用块搜索策略进行了PubMed。包括随机对照研究（RCT），包括诊断为DM（任何类型）18至65岁的人。使用报告试验的合并标准2010清单用于评估研究的质量。结果在叙事综合中呈现。结果：九项研究符合纳入标准。平均而言，女性占研究参与者的31.4％，同样，对于每个试验阶段，女性的代表性较小。结论：这项综述显示了DM药物开发研究中的性别不平等，男女在纳入的研究中分别占研究参与者的31.4％和68.6％。但是，医学药物研究中的性别差异可能是由于特定的排除标准，参与者在医学发展中的行为或原籍国的法律。
代表性和面部主义：图像搜索中的性别偏见
我们对他人的印象的能力取决于在不确定性下提供的信息，因此我们使用启发式法来做出判断和决定（Tversky and Kahneman，1974）。这种印象形成与刻板印象有关：例如，图像可以而且经常体现和永久化性别刻板印象（Coltrane and Adams，1997; Len-Ríos等，2005; Rodgers and Thorson，2000）。男女的视觉代表塑造了我们对性别角色的心理表征，并可以加强或稳定它们 - 数字和模拟媒体，例如报纸，杂志，电视和社交媒体，可以在刻画中归因于严格的作用，在刻画中归因于妇女的性行为，并在男性中比男性更大（Courtney and Lockere and Lockeretz and lockeretz and Milers and Mirers; and and and and and and; and; and; and; and; and； Biocca，1992; Zotos and Tsichla，2014年）。，但在男人和女人的描绘中，即使是简单的风格差异也可能已经巧妙地延续了性别偏见（Archer等，1983； Blumberg，2008； Grau和Zotos，2016）。例如，在线媒体中，女性政治家的代表性影响了选民对她们感知的能力和讨人喜欢的影响（Bligh等，2012），面部突出的变化导致女性对智力的评价较低（Archer等，1983）。自动处理大量潜在偏见的信息一直是近年来在交流研究中特别感兴趣的话题（Goldman，2008； Noble，2018； O'Neil，2017）。这些决定的输出塑造了我们的社会现实（Just and Latzer，2017； Noble，2018）及其对公民和机构的影响数字文化和新媒体研究正在将数据移至其学术叙事的中心；具体而言，媒体平台（例如社交媒体和搜索引擎）的数据现在被视为文化研究对象（Schäfer和van es，2017年）。在这个新范式的背景下，算法的转换和问责制的问题通常是关于平台利用的辩论的最前沿，尽管通常由于其“黑匣子”依赖性，异质性和嵌入性而无法理解，因此在更广阔的系统中（Crawford，2016年Crawford，2016; Kitchin; Kitchin，2017; kitchin; kitchin，2017; reshle; kitchin; kitchin; kitchin; kitchin; kitchin; 2017; reshle;搜索引擎提供商，例如Google或Bing，由于其作为守门人的角色而受到了学术审查：他们通过过滤和排名在网上可用的信息来源来决定内容的相关性（Laidlaw，2010； Schulz等，2005； Wallace，2018）。
1108 项具有代表性的人口研究的汇总分析
贡献者国家和地区数据组的成员收集并重新分析数据，并检查汇总数据以确保有关他们研究以及他们国家其他研究的信息准确性。AWR、BZ、KES、RKS、RMCL、RAH、GAS、VPFL、NHP、AFBP、LJ、YDDB、AG 和 AM 整理了来自不同研究的数据。AWR、BZ 和 RAH 管理数据库。BZ、AWR、JEB 和 AM 在 CJP 和 ME 的帮助下调整了统计模型。BZ 和 AWR 分析了数据并准备了结果。ME、BZ 和 AWR 在汇总分析和写作小组其他成员的帮助下撰写了手稿的初稿。国家和地区数据组的成员对报告草稿发表了评论。ME 负责监督研究。国家和地区数据组的成员可以访问并验证各个参与研究的数据。AWR、BZ 和 RAH 可以访问并验证分析中使用的汇总数据。通讯作者对于提交出版的决定负有最终责任。
以患者为中心的药物开发：收集全面且具有代表性的意见
引言 本指南旨在满足 2016 年《21 世纪治愈法案》（以下简称“治愈法案”）第 3002(c) 条的法定要求和《处方药用户付费法案》（PDUFA）VI（根据《2017 年 FDA 再授权法案》（FDARA），第一章授权）做出的承诺，即发布方法学指南来支持以患者为中心的药物开发。根据《治愈法案》第 3002(c)(1) 条发布的指南应涉及以下内容：“寻求收集患者体验数据以提交给部长并由部长用于监管决策的人员可使用的方法学方法，这些方法学方法相关且客观，并确保此类数据准确且代表目标人群，包括在整个药物开发过程中收集有意义的患者意见的方法以及数据收集、报告、管理和分析的方法学考虑。”除此《治愈法案》规定外，FDA 还承诺根据 PDUFA VI 重新授权绩效目标第 IJ 条发布一系列指南，旨在“加强将患者的声音纳入药物开发和决策中”，该系列的第一份指南（称为“指南 1”）涵盖与《治愈法案》第 3002(c)(1) 条相同的方法论主题，同时还承诺包括标准化命名法和术语。《治愈法案》 2 将“患者体验数据”定义为包括以下内容：1 本指南由美国食品药品管理局药品评估与研究中心 (CDER) 新药办公室和转化科学办公室与生物制品评估与研究中心 (CBER) 合作制定。 2 为了本指南的目的，患者体验数据的定义见《21 世纪治愈法案》第三章第 3001 节，该法案经 2017 年《食品药品监督管理局再授权法案》（FDARA）第 605 节修订。
开展对代表性不足的学生有影响的外展活动：我们做得对吗？
摘要 许多推广计划都具有共同的目标，即为 STEM 领域中代表性不足的群体提供服务并改善公众对科学的态度。为了实现这些目标，科学家必须找到既能接触到合适的受众，又能以有意义且易于理解的方式传达科学重要性的方法。这需要仔细考虑所使用的推广方法。两种常见的推广方法包括校内访问（科学家在课堂上）和科学博览会或开放日。在这里，我们比较了这两种推广方法在实现接触代表性不足的学生和/或最初对科学兴趣较低的学生的目标方面的有效性。我们发现，校内访问接触了更多的代表性不足的学生，并且校内访问参与者对科学成绩的初始态度低于开放日活动参与者。重要的是，在校内推广活动后，对科学的积极态度显著增加。总之，这些数据表明，在社区开展的推广活动将接触到热情较低但更加多样化的受众，并可能对这些人群对科学的态度产生积极影响。这些研究强调了了解外展计划的目标和选择最适合实现这些目标的方法的重要性。
建立一支强大且具有代表性的野火缓解和管理队伍
野火救援人员一直是全球关注的焦点，这是有充分理由的。最近几年的灾难性火灾给野火响应系统带来了巨大压力，包括广泛的资源短缺以及消防员的疲劳和倦怠。人们越来越普遍地认识到，社会必须与火灾建立一种新的关系——这种关系需要创新的土地管理方法，以管理社会生态健康而不是火灾。为了打破火灾状况不断恶化、工作人员负担越来越重以及响应者和社区面临更严重风险的循环，有必要进行主动投资，以准备、减少和建立对建筑和自然环境以及人员的野火影响的抵御能力。然而，有许多挑战阻碍了这种模式转变的实现，包括劳动力能力不足以满足日益扩大的野火风险管理需求，而不仅仅是灭火；劳动力持续同质化；社区参与和影响火灾管理决策的机会不足；以及消防管理人员过度依赖灭火实践。
评估调节基因组学预训练的DNA语言模型的代表性
基因组语言模型（GLM）的出现提供了一种无监督的方法，可以在非编码基因组中学习各种顺式调节模式，而无需湿LAB实验产生的功能活动标签。先前的评估表明，可以利用预训练的GLM，以提高广泛的调节基因组学任务的预测性能，尽管使用了相对简单的基准数据集和基线模型。由于这些研究中的GLM在对每个下游任务的重量进行微调时进行了测试，从而确定GLM表示是否体现了对顺式调节生物学的基本理解仍然是一个悬而未决的问题。在这里，我们评估了预训练的GLM的代表性，以预测和解释跨越DNA和RNA调控的细胞类型特异性功能基因组学数据。我们的发现表明，当前的GLM与使用单热编码序列的常规机器学习方法没有实质性优势。这项工作强调了当前GLM的主要局限性，从而在非编码基因组的常规预训练策略中提出了潜在的问题。
评估调节基因组学预训练的DNA语言模型的代表性
基因组语言模型（GLM）的出现提供了一种无监督的方法，用于学习非编码基因组中的广泛的顺式调节模式，而无需湿LAB实验产生的功能活动标签。先前的评估表明，可以利用预训练的GLM来提高广泛的监管基因组学任务的预测性能，尽管使用了相对简单的基准数据集和基线模型。由于这些研究中的GLM在对每个下游任务的重量进行微调时进行了测试，从而确定GLM表示是否体现了对顺式调节生物学的基本理解仍然是一个悬而未决的问题。在这里，我们评估了预训练的GLM的代表性，以预测和解释跨越DNA和RNA调控的细胞类型特异性功能基因组学数据。我们的发现表明，与使用单热编码序列的常规机器学习方法相比，探测预训练的GLM的表示没有实质性优势。这项工作强调了当前GLM的主要差距，从而在非编码基因组的常规培训策略中提出了潜在的问题。